导读 匹兹堡大学，麻省大学阿默斯特分校和Microsoft Research India的研究人员已经开发了一个系统-WattScale，该系统利用AI从城市或区域级别的
匹兹堡大学，麻省大学阿默斯特分校和Microsoft Research India的研究人员已经开发了一个系统-WattScale，该系统利用AI从城市或区域级别的人口中挑选出能源效率最低的建筑物。在预印本研究中，他们使用它来显示10,000栋建筑数据集中的一半建筑效率低下，这在很大程度上是由于建筑质量较差所致。
据“节约能源联盟”称，包括办公室，房屋和商店在内的建筑物消耗了美国40%的能源和70%的电力。它们还排放了该国三分之一以上的温室气体，这比经济的任何其他部门都多。解决差距需要识别效率最低的建筑物，因此最需要改进。但是，依赖建筑物的年龄或其总能源费用的方法效果不佳。更高的能源使用量并不一定意味着效率低下。
WattScale旨在通过(1)贝叶斯建模技术来解决此问题，该技术捕获控制建筑物能源使用的变量分布，并且(2)一种故障分析算法，利用这些分布来报告效率低下的可能原因。开源工具提供两种模式-个人模式和基于区域的模式-通过将低效率建筑物的分布与城市中的类似房屋进行比较，或与天气状况可比的区域中整个人口的分布进行比较，来标记低效建筑物。
在实验中，研究人员将WattScale应用于来自三个城市的数据集，这三个城市分别是新英格兰的一个未命名的小城市和科罗拉多州的博尔德，并利用了建筑性能数据库，这是与能源有关的商业和住宅信息的最大的公开数据集，用于按区域的建筑物分布。奥斯汀(Austin)和博尔德(Boulder)数据集包含设备级别的细分，而新英格兰语料库则根据电表和燃气表以及房地产信息(包括建筑物的大小，房间，卧室的数量和物业类型)跟踪能耗。